Byl vyvinut algoritmus, který určuje autora malby podle charakteristik tahů v ní, a je také schopen rozlišovat mezi skutečnými malbami a padělky malovanými jinými umělci. Vývojáři školili program na souboru téměř tří set obrazů slavných umělců, jako jsou Picasso a Matisse, podle MIT Technology Review. Vývoj amerických a nizozemských odborníků bude představen na konferenci AAAI o umělé inteligenci v únoru 2018, předtisk článku je zveřejněn na arXiv.org.
Protože obrazy slavných umělců zpravidla existují v jediné kopii, jejich ceny mohou činit desítky a stovky milionů dolarů. Z tohoto důvodu jsou některé obrazy falšovány vetřelci, a to není vždy patrné ani pro lidi, kteří se orientují v malbě. Pro ochranu před takovým paděláním jsou navrženy různé způsoby, například vybavení obrazů jedinečnými identifikátory, které je téměř nemožné padělat kvůli jejich složité mikrostruktuře.
Vědci ze Spojených států a Nizozemska, vedeni Ahmedem Elgammalem z Artrendexu a Rutgers University, vytvořili algoritmus, který dokáže rozpoznat autory malby podle rysů jejich tahů. V roce 2015 již tato skupina vědců vytvořila algoritmus, který dokáže klasifikovat obrazy autorů a dokonce i styly na základě jejich individuálních charakteristik, jako jsou barvy. V nové práci se vědci rozhodli zaměřit na jednu složku obrazů - tahy.
Každý zdvih může být popsán mnoha charakteristikami, například tvarem, délkou, rovnoměrností tloušťky podél zdvihu a dalšími parametry. Vědci se rozhodli tyto vlastnosti extrahovat pomocí počítačových algoritmů. Obrazy byly zpočátku rozděleny do samostatných tahů pomocí speciálního algoritmu. Jako dataset pro algoritmy vědci použili 297 obrazů slavných umělců jako Picasso a Matisse, provedených ve stylu litografie, tušové grafiky a dalších. Algoritmus rozdělil tyto obrázky na více než 80 000 jednotlivých tahů.
Soubor dat pro výcvikové a testovací algoritmy / Elgammal et al. / arXiv.org, 2017
Pro posouzení zdvihů se vědci rozhodli použít dva přístupy. Popsali základní charakteristiky, jako je tloušťka tahu a podélný profil, pomocí různých deskriptorů a naučili podpůrný vektorový algoritmus pro klasifikaci tahů. Druhým přístupem bylo použití rekurentní neuronové sítě s řízenými rekurentními bloky, které nezávisle hledaly rysy charakteristické pro určité umělce.
Příklad falešných obrazů. Horní řádek: falešný; falešný; originál od Matisse. Střední řada: původní Matisse; falešný; falešný; originál od Matisse. Spodní řádek: falešný; originál Matisse; originál Picasso; falešný / Elgammal et al. / arXiv.org, 2017
Po přípravě algoritmů je vědci testovali na stejném datovém souboru a kombinací obou přístupů dosáhli přesnosti rozpoznávání umělců 80 procent. Požádali také pět umělců, aby malovali kopie obrazů Picasso, Matisse a Schiele. Poté, co obdrželi 83 obrazů, zkontrolovali je pomocí svých algoritmů a zjistili, že jejich kombinace je schopna rozpoznat faleš ve všech těchto obrazech.
Propagační video:
V posledních několika letech bylo dosaženo výrazného pokroku ve zpracování a analýze obrazu pomocí algoritmů neuronové sítě. Například takové algoritmy mohou kombinovat několik uměleckých stylů do jednoho obrázku, změnit náčrtky na plnohodnotné obrazy a dokonce vytvořit originální umělecká díla. Podobné algoritmy také dobře fungují s videozáznamy. Například byl nedávno představen systém, který vám umožní vložit řeč třetí strany do video sekvence, téměř přesně znovu vytvořit artikulační výrazy obličeje reproduktoru.
Grigory Kopiev